物联网（IoT）技术的飞速发展提出了对人机界面（HMI）的迫切需求，人机界面提供了人机之间的关键联系。使用手套作为直观且低成本的HMI可以方便地跟踪人手指的运动，从而形成人机交互的直接通信媒体。当将多个摩擦纺织传感器和适当的机器学习技术结合在一起时，利用极简设计的手套实现复杂手势识别的巨大潜力，可以在真实和虚拟空间中进行全面控制。但是，湿气或汗水可能会对摩擦电输出以及纺织品本身产生负面影响。有鉴于此，新加坡国立大学的Chengkuo Lee、中国科学院苏州纳米技术与纳米仿生研究所的Ting Zhang等研究人员，详细研究了一种简便的碳纳米管/热塑性弹性体（CNTs/TPE）涂层方法，以实现摩擦电纺织品的超疏水性，从而提高性能。

本文要点

1）手套具有超强的能量采集能力和人体运动感应功能，使用超疏水性织物制成的手套可实现低成本且自供电的手势识别界面。

2）利用机器学习技术，通过手势实时完成各种手势识别任务，实现高精度的虚拟现实/增强现实（VR/AR）控制，包括射击、棒球投球和插花，最大限度地减少操作过程中汗水的影响。

参考文献：

Feng Wen, et al. Machine Learning Glove Using Self‐Powered Conductive Superhydrophobic Triboelectric Textile for Gesture Recognition in VR/AR Applications. Advanced Science, 2020.

DOI：10.1002/advs.202000261

https://onlinelibrary.wiley.com/doi/full/10.1002/advs.202000261